Un turno chiude con 12.000 pezzi dichiarati, ma il responsabile produzione scopre il giorno dopo che una fermata ricorrente ha ridotto la resa della linea. Il dato c’era già nel PLC, ma non era stato raccolto, contestualizzato e reso leggibile nel momento in cui poteva guidare una decisione. Capire come visualizzare...
Come visualizzare KPI produzione partendo dai dati macchina
Per visualizzare indicatori utili occorre acquisire i segnali che descrivono realmente il ciclo produttivo. In una macchina automatica questo significa, ad esempio, rilevare stato di marcia, stop, allarme, velocità istantanea, contatore totale, scarti, ricette, codice articolo e ordine di produzione. Non tutte queste informazioni devono necessariamente risiedere nello stesso PLC o nello stesso sistema, ma devono poter essere associate con regole chiare.
Il collegamento può avvenire attraverso protocolli industriali già presenti in fabbrica, come Siemens S7, Modbus TCP/IP, OPC UA, EtherNet/IP, MQTT o MTConnect. L'obiettivo non è leggere ogni tag disponibile, ma selezionare quelli che rispondono a una domanda operativa. Se il problema è l'eccesso di microfermate, servono stati macchina e durate; se riguarda gli scarti, servono contatori validi e scarti, possibilmente associati ad articolo, lotto e turno.
Un dato di produzione diventa attendibile quando conserva quattro elementi: valore, timestamp, origine e contesto. Il timestamp permette di ricostruire sequenze e durate. L'origine consente di sapere se il valore arriva dal PLC, da un operatore o dall'ERP. Il contesto collega l'evento a linea, macchina, commessa, prodotto, turno e, quando necessario, operatore.
Questa impostazione evita un errore frequente: usare il contatore cumulativo della macchina come se rappresentasse automaticamente la produzione buona del turno. Un reset, un riavvio o un cambio formato possono alterare l'interpretazione. Occorre definire come calcolare le differenze tra letture successive, come gestire i reset e come separare pezzi totali, conformi e scartati.
OEE: utile solo se le sue componenti sono verificabili
L'OEE resta un KPI centrale perché sintetizza disponibilità, prestazione e qualità. Tuttavia, ha valore solo se le sue componenti sono esplicite e condivise. Una disponibilità calcolata senza distinguere i fermi pianificati da quelli non pianificati può creare discussioni invece di indicare priorità. Allo stesso modo, una prestazione riferita a una velocità teorica non aggiornata per formato o articolo rischia di penalizzare linee che stanno lavorando correttamente.
La dashboard dovrebbe consentire di passare dall'OEE complessivo ai dettagli: minuti di fermo, causali, velocità effettiva rispetto al target, pezzi buoni e scarti. La sintesi è utile al responsabile di stabilimento; il dettaglio serve al capoturno e alla manutenzione per intervenire.
Una dashboard deve rispondere a decisioni concrete
La visualizzazione efficace non consiste nell'accumulare widget. Deve rendere immediata la risposta a domande che ricorrono ogni giorno in reparto:
- La linea sta rispettando il piano e il target del turno?
- Quale macchina sta riducendo la capacità effettiva dell'impianto?
- Quali fermate si ripetono e con quale durata?
- Gli scarti sono concentrati su un prodotto, una ricetta o una fase specifica?
Per questo è utile organizzare le dashboard su più livelli. La vista di stabilimento mostra lo stato delle linee, gli avanzamenti e gli scostamenti più rilevanti. La vista di linea evidenzia OEE, velocità, produzione buona, scarti e fermate. La vista macchina permette di analizzare la sequenza degli stati e gli allarmi, arrivando fino al dettaglio necessario per manutenzione e automazione.
Il tempo reale è indispensabile per reagire durante il turno, ma non sostituisce l'analisi storica. Una linea può apparire efficiente nell'ultima ora e avere comunque un problema sistematico sui cambi formato o in una specifica fascia oraria. Per questo gli stessi KPI devono essere filtrabili per periodo, turno, articolo, commessa, formato e macchina. Il confronto ha senso solo tra contesti comparabili.
Anche l'uso dei colori richiede disciplina. Rosso dovrebbe indicare una condizione che richiede attenzione, non semplicemente un valore inferiore a una media generica. Le soglie devono tenere conto di prodotto, velocità nominale, calendario produttivo e obiettivi concordati. Un impianto con alta variabilità di mix necessita di regole diverse da una linea che produce lo stesso articolo per settimane.
Integrare PLC, MES ed ERP senza duplicare i dati
I KPI di fabbrica raramente dipendono da una sola fonte. Il PLC conosce lo stato istantaneo della macchina, ma spesso non conosce l'ordine cliente, la pianificazione o la codifica commerciale dell'articolo. L'ERP conosce questi elementi, ma non rileva direttamente una microfermata o un allarme. Il MES è il livello che collega esecuzione, dati macchina e contesto produttivo.
Un'architettura cloud-native con agente leggero on-premise consente di raccogliere i dati dal campo e renderli disponibili via browser, senza introdurre server da gestire in stabilimento. Questo modello è particolarmente adatto a siti con parco macchine eterogeneo, dove convivono PLC di generazioni diverse e protocolli differenti. L'agente presidia la connettività OT, mentre dashboard, utenti, permessi e analisi restano centralizzati.
L'integrazione con ERP, database e strumenti BI deve seguire una logica precisa: ogni sistema mantiene la propria responsabilità. Il PLC resta la fonte dello stato macchina. L'ERP conserva anagrafiche e ordini. Il sistema di raccolta e supervisione produce eventi coerenti, avanzamenti e KPI. Duplicare indiscriminatamente dati tra applicazioni aumenta il rischio di disallineamenti.
In questo scenario, una piattaforma come PLCinCloud permette di attivare in modo modulare la raccolta dati, il monitoraggio della produzione e le dashboard, collegando protocolli industriali e sistemi aziendali in un unico ambiente operativo. La scelta dei moduli dovrebbe dipendere dall'obiettivo iniziale: ridurre fermi, aumentare tracciabilità, certificare l'interconnessione o misurare l'avanzamento rispetto al piano.
Governare definizioni, causali e qualità del dato
La tecnologia di connessione risolve solo una parte del progetto. Per visualizzare KPI coerenti è necessario concordare definizioni operative. Cosa si intende per fermo? Una macchina in attesa materiale è un fermo di produzione, logistico o pianificato? Quando uno scarto viene conteggiato: al rilevamento, all'espulsione o al controllo qualità finale?
Le risposte dipendono dal processo, ma devono essere documentate e applicate in modo uniforme. Le causali di fermo meritano un'attenzione specifica. Una classificazione troppo generica, come “guasto” o “attesa”, non aiuta a individuare le azioni correttive. Una classificazione con decine di voci, invece, può risultare impraticabile per gli operatori. La soluzione efficace è un set essenziale di causali principali, eventualmente articolato in sottocausali per analisi successive.
È opportuno prevedere controlli automatici sui dati: rilevazione di valori anomali, gestione delle perdite di connessione, verifica delle variazioni non plausibili dei contatori e segnalazione di tag non aggiornati. La dashboard deve inoltre distinguere chiaramente un valore pari a zero da un dato non disponibile. Confondere le due condizioni porta a valutazioni errate sulla produttività.
Come visualizzare i KPI di produzione: un percorso applicabile
L'implementazione più efficace procede per perimetri controllati. Si parte da una linea o da una macchina rappresentativa, non necessariamente dalla più semplice. Deve essere abbastanza significativa da testare segnali, stati, causali, integrazione con gli ordini e modalità di utilizzo in reparto.
La prima fase consiste nel definire le decisioni da supportare e i KPI minimi. Per una linea di confezionamento potrebbero essere produzione buona, scarto, velocità, minuti di fermo e OEE. Per un impianto a processo continuo potrebbero essere più rilevanti portata, consumo specifico, deviazione dai parametri di ricetta e disponibilità.
Segue la mappatura tecnica: PLC, indirizzi, protocolli, frequenze di acquisizione e regole di calcolo. Non tutti i segnali richiedono la stessa frequenza. Uno stato macchina va rilevato con sufficiente precisione per misurare le microfermate; un dato di anagrafica può essere aggiornato solo al cambio ordine. Questa distinzione riduce traffico e complessità senza perdere informazioni operative.
Dopo una fase di validazione con produzione, manutenzione e qualità, le dashboard entrano nell'uso quotidiano. Il test non deve limitarsi al confronto tra valori a video e display macchina. Occorre verificare che un turno completo, con fermi, scarti, cambi articolo e ripartenze, venga rappresentato correttamente. Solo allora le soglie e le viste possono essere estese alle altre linee.
Gli errori che rendono inutili i KPI
Il primo errore è misurare tutto prima di avere deciso cosa migliorare. Il secondo è affidarsi a inserimenti manuali per dati già disponibili dal campo: l'operatore deve poter integrare informazioni qualitative, non ricopiare contatori. Il terzo è usare un unico OEE come giudizio assoluto, senza analizzare la causa dello scostamento.
Un altro problema ricorrente è lasciare la dashboard isolata dal processo di gestione. Se un fermo critico compare sul monitor ma non attiva un confronto strutturato tra produzione, manutenzione e pianificazione, il dato resta descrittivo. I KPI diventano utili quando entrano nelle riunioni di turno, nelle priorità manutentive e nella revisione dei target.
La visualizzazione corretta non richiede più grafici: richiede dati connessi, definizioni condivise e una vista costruita attorno alle decisioni che lo stabilimento deve prendere. Quando ogni indicatore permette di capire cosa sta accadendo, perché sta accadendo e dove intervenire nel turno successivo, il dato di produzione smette di essere un consuntivo e diventa controllo operativo.